在我之前的文章《从有形到无形——五种产品形态的演进》中，介绍了由于竞争的驱动，从有形到无形，从产品到服务的演进路径。但没有说明产品是如何变成服务的。下面先来看几个产品和服务的例子。

最早的出租车和现在的滴滴出行，出租车是产品，滴滴出行提供的是服务。滴滴出行与出租车的主要差异在于通过手机知道你的经纬度，目的地的经纬度，你的出行时间，选择的车型。同时，滴滴通过每个司机的手机可以知道车辆的经纬度。通过这些信息，滴滴可以知道你具体所在的城市和地理位置，以及你附近的车辆和车型情况。当你输入目的地位置后，滴滴可以通过通过两个位置的距离，所经过的路段数量，每一段路的道路等级，距离，路况的评价，以及所需避让的路段和全程的红绿灯个数计算出预估里程，预估到达时间。并通过车型和计费规则计算出预估的费用。

这其中一部分来自你主动输入的信息，或通过手机传感器获取的用户数据。一部分来自司机，车辆和车型的环境数据，还有一部分可能来自第三方例如高德地图提供的路段，距离和红绿灯数据。通过这些数据滴滴对你的行程提供了服务和决策。以滴滴礼橙专车的接机服务为例，需要你主动输入的航班号，日期，目的地和车型数据。同时需要司机和车辆，以及计价规则的数据。同时还需要第三方的数据，首先是腾讯地图的路段数量，距离，红绿灯数量等数据。然后是航空公司的航班起降时间，历史准点率数据，到达机场的流量数据，以及当天的气象数据，等等。

Microsoft Office和Office 365，Microsoft Office是产品，Office365提供的是服务。Office 365的主要差异在于通过账号和密匙确定你的身份和所拥有的设备，以及对你的文档进行同步和更新的管理。并通过设备状态的变化提供远程数据擦除的决策支持。

相册和Apple照片应用，相册是产品，Apple照片是服务。照片应用通过拍摄时的位置信息，时间信息，使用的前置或后置摄像头信息，照片的拍摄模式，获取照片的方式以及照片的内容信息如人脸数量，性别，年龄，表情，对照片进行分类为自拍，合影，快乐的记忆。并提供浏览方式的选择和建议。比如“回忆”，“合影”，“自拍”，“旅行”，又或者搜索的关键字：“海边，“小路”，“高楼”，“母亲节”等等。

线下商店和Apple Store应用，Apple Store是服务，Apple Store根据你当前使用的iPhone手机型号对商品进行匹配，并提供商品购买的建议。例如上图底部的“兼容你的设备”。同时与传统耳机相比AirPods Pro是服务，它通过内置的光学传感器，运动加速传感器，力度传感器等收集信息，转换为数据，并能替代用户进行自动连接iPhone，自动充电的决策，以及来电通知和找回耳机的功能选项。

菜市场的豌豆和美团买菜的豌豆，美团买菜的豌豆是服务，因为豌豆皮普遍较老，大部分豌豆的烹饪方法都和豆有关。这就像腌制过的鸡翅，切片的五花肉一样。这些改变让食材与你的烹饪方法更加的匹配，其中的原因是食材本身的特性以及你对菜品和饮食习惯的偏好。食材这个产品通过人们饮食习惯的数据，对烹饪提供了决策的支持。

Apple天气和Yahoo天气!，两者都是服务，根据经纬度位置信息，和风向，风速，压力，湿度等数据提供当地实时的天气情况，而Yahoo天气!还会将位置信息与天气数据的变化情况匹配，推送将随提醒。

普通的闹钟和时钟App，时钟App是服务。我每周四或周五都会晨跑，但具体哪天不固定。所以都是前一天晚上临时设置闹钟。再设置了几次以后，时钟App和Siri的学习功能开始在某个周四的晚上推送闹钟建议，闹钟时间和我每次设置的晨跑时间一致。除了时钟以外，很多第三方App在允许Siri学习用户使用该App的方式后，都可以提供定制的建议。

纸质书和kindle的电子书，kindle电子书是服务。Kindle通过你每一页的阅读时间和每一章的总页数提供阅读进度和剩余时间。通过你输入的生词提供翻译。通过其他人对此书的标记(环境数据)提供热门标注，为你在阅读中提供关注点的选项和决策支持。

贝索斯在2007年的股东信中曾这样介绍kindle：

“我们知道，Kindle 要像实体书一样从这里找到突破，让读者可以全神贯注于文字，而忘记了他们是在某个设备上阅读。我们也知道，我们不应该企图复制实体书的每一个特征——我们永远无法通过模仿实体书来超越实体书。我们必须增加新的、传统图书永远无法实现的功能。[…]我们不再试图在网上复制实体书店，而是在它们的启发下，努力挖掘新媒介可以实现但传统图书可能永远无法实现的功能。

我将重点介绍 Kindle 的一些有用功能，这些功能是无法在实体书上实现的。如果您遇到您不认识的字，您可以很容易地查找这些字。您可以搜索您想找到的图书。您对书的旁注和句子下面的划线被保存在“云端” 的服务器中，在那里它们不会丢失。您阅读一本书到某个地方，Kindle 会自动帮您保存起来。如果您的眼睛累了，您可以改变字体的大小。

… …”

通过上面的例子可以发现，产品与服务最大的差别来自两个方面，第一是是否包含数据，第二是数据是否用来提供选择或决策。最初的传统线下服务只包含产品数据，并使用产品数据来提供选择和决策。例如从最早的泰勒科学管理，对工人搬运生铁的行走距离，重量和时间进行记录和数据统计，到六西格玛（Six Sigma）管理策略对产品的出错率和质量进行控制。这些来自生产过程和产品本身的数据提供了对预订服务，退换货服务的支撑。

贝索斯在2005年的股东信中曾举例说明了如何通过数学模式缩短配送时间：

“开设新的物流中心就是个例子。我们使用现有的物流网络来预计季节购物高峰，为新产能建立数学模型。我们通过观察预期的产品种类，包括产品规格和重量，来决定我们需要多大的仓储空间，我们是否需要设备，来处理单独运送的小尺寸分类产品或大尺寸产品。为了缩短配送时间，减少出库运输成本，我们在接近客户、交通枢纽和现有设施的基础上分析了物流中心的位置。”

现在加入了用户数据和环境数据，产品与服务的差别就变的更大了。先举个传统行业的例子，再来看互联网产品和服务。以理发这件事为例，如果某天你直接到理发馆，等了半个小时剃了一个寸头回来。那这基本不叫服务。而如果这里面运用了产品本身的数据，用户数据和环境数据，并且通过这些数据提供了建议和决策。就变成了这样：理发馆对自己的客流量，设备和发型师的工作效率和特长进行管理(产品本身的数据)，然后向你提供预约服务。你可以提前选定自己方便的时间，并且到了理发馆后也不用长时间排队等待。在理发开始时，你向发型师描述了你对发型的需求(用户个人数据)，发型师根据你的头型和发量给出了一些建议。同时，他又提供了现在比较流行的几款发型问你是否要尝试一下(环境数据)。然后，在你们共同的沟通下完成了理发。这算是一次服务。

以上描述的产品和服务的差别变成了：第一，是否包含用户及环境的数据。这些数据可能数值型的，也大多数可能是信息型的，例如个人描述，照片，设备信息。这些数据可能是用户主动输入的，但大多数是通过各种传感器(我之前的文章中整理个历代iPhone的传感器和作用，请参考《iPhone从现实世界数字化，到虚拟数据实体化》)和图像识别技术，甚至从用户习惯中提取的，因此充分利用智能手机中的传感器成了一个服务类产品的先决条件。例如，滴滴出行中的当前位置，以及高德地图中公司及家的位置信息都是通过手机GPS获得的。悦跑圈， Keep和“微信运动”中的步数，消耗卡路里通过加速度处理器，陀螺仪和磁力传感器通过M7协处理器处理获得。第二，这些数据是否被用来为用户提供选择和决策支持，例如：设备信息是否支持新配件的购买，个人位置信息和路况信息对出行的建议，旅游目的地的季节，天气，客流量信息对旅行的建议。包含用户及环境的数据，并且为用户提供选择和决策就是服务，否则就只是产品。

用户数据的获取来自用户的参与，通常来说参与度越高，获取的数据就越多，否则可用的数据就会较少。而提供的选择和决策则建立在用户的数据和外部公共数据之上，两部分的数据量越大，能够支持越复杂的决策，服务也就会更有价值。否则只能进行简单的选择。我们按用户参与度和决策难度，将服务分为四个象限，并简单列举了相对应的产品。

从易到难来看，服务的分类依次为适应型服务，感知型服务，合作型服务和透明型服务。适应型服务对用户参与度的要求较低，只需要一些最基本的信息就可以完成工作。例如用户的账户信息,这个基本的信息可以让产品与用户建立直接的联系，也是进行所有服务的基础。对用户来说，这类的服务入门简单，不需要填写过多的内容。对企业来说不需要对现有的标准化产品进行更改，并且不涉及用户隐私，对用户信息依赖度较低。是快速从产品提升到服务的入门选择。常见的服务有Office 365服务，Apple Music的音乐服务，和Apple Store的购买服务。

感知型服务与适应型服务相比需要更多的用户参与度，换句话说就是除了用户的最基本信息以外，还需要获得更多的信息或数据。在开始这类服务之前，用户需要提前做一些准备，并且全程参与服务的产生过程。例如在外卖服务中填写商品的配送地址，关注配送过程及收货。在美颜服务中拍摄照片，选择并使用滤镜。或者在翻译服务中输入文字内容并查看翻译结果。这类常见的服务有美团外卖，美图秀秀和翻译，识花这类应用。

合作型服务是第三类服务，高度依赖用户的参与和输入来完成服务过程。有时还需要大量外部环境信息来支持，已完成用户信息与外部信息的合作以及整个服务过程。常见的服务包括贝壳找房VR看房，需要用户对房源条件的输入和选择(位置，面积，户型，朝向，租金，楼层等等)，和房源的信息进行匹配完成服务。高德地图，需要用户输入目的地，出行方式，和路况和交通情况，以及天气信息进行匹配完成服务。日历应用，需要用户持续的添加生日，纪念日，工作行程，会议安排等日程。天气应用，需要持续获得用户的位置信息，并匹配当地实时的天气信息来建立服务。

第四类服务是透明服务，也是最难的一种服务类型。难点在于在尽量少的用户参与度的情况下，完成复杂的决策。或者换句话说就是在较好的用户体验下给出惊喜，用户什么都不用说，但产品知道用户需要什么样的服务。这里并不是说不需要用户输入信息，而是通过各种被动的方式收集用户的习惯和偏好。例如：视频缓冲服务，根据你历史观看的剧集和当下的热门剧集数据提取预测你本次要看的内容，然后预先进行视频的加载缓冲。此外还有自动驾驶，根据目的地和道路拥堵情况选择最佳路线。亚马逊的推荐系统，根据你的历史购买行为进行分组，推荐相关的商品。Apple的照片搜索功能，通过信息提取算法从非结构化的照片中识别属性、提取目标物，并以此为标签对照片进行分类。这些服务并不需要用户输入信息，或者只需要输入较少的信息。

从产品到服务的变化过程中，数据是服务的基础设施，同时也是服务的最大成本。从最基本的用户账户信息，设备信息，到用户行为和偏好数据(配送地址，口味偏好，滤镜偏好等等)，再到公共环境的海量数据(交通数据，天气数据等)。用户数据和公共的环境数据导致了产品形态的改变。使产品从标准化的商品变成了个性化的服务和体验。可以说服务和体验是产品+数据的结果。

—【所有文章及图片版权归 蓝鲸（王彦平）所有。欢迎转载，但请注明转自“蓝鲸的商业分析笔记”。】—